九游娱乐（中国门户）官方网站

　　日本高端智能马桶企业TOTO，因为AI在过去几个月股价飙升，并不是因为马桶卖得更好了，而是因为TOTO有一个隐藏业务：高纯度陶瓷静电吸盘，这是芯片制造时固定晶圆用的关键耗材，TOTO把精度做到了头发丝的1/80，纯度业界第一。

　　恰逢存储芯片需求爆发、上游厂商疯狂扩产，这一业务就成了绝对的刚需。这使得高盛等投行纷纷上调TOTO股价评级，原因很简单：静电吸盘的订单已经排到了2027年。现在这块业务占了TOTO超过四成的营业利润。

　　当一家马桶公司，都成为了AI概念股，可见目前的AI存储赛道有多火爆了，三星（Samsung）、SK海力士（SK Hynix）、美光（Micron）、闪迪（SanDisk），这些存储行业的重要玩家股价疯涨的背后，是全球存储芯片，正在经历四十年来最严重的供需失衡。

　　这篇文章，我们就来梳理一下这轮存储的“超级周期”，并与三星业内人士和华尔街投资人深度盘点一下：为什么这一次的周期跟以前不一样，存储在AI产业为什么如此重要，谷歌等AI巨头正在如何破除对存储的依赖，以及这样的短缺周期还会持续多久、又如何影响你我呢？

　　2026年1月底，韩国存储双雄三星电子和SK海力士同时公布了上一年第四季度财报。数字有多夸张呢？两家公司合计营业利润接近40万亿韩元，折合大概278亿美元，相当于每天净赚3亿美元。在这样创下历史的利润下，SK海力士的年终奖，人均达到64万元人民币，刷新公司历史纪录。

　　把这一切推上巅峰的核心产品，是HBM（高带宽内存）芯片。一块指甲盖大小的HBM，售价400到500美元，这比同等重量的黄金还贵。而全球能做这产品的，就三家：SK海力士占大约6成，剩下的是三星和美光各2成。

　　但HBM只是冰山一角，真正让整个行业慌了的，是从高端到低端、从DRAM到NAND，全线.6美元涨到了28美元，涨了500%多；更老的DDR4，从3.2美元飙到62美元以上，累计涨幅高达1800%；数据中心用的64GB服务器内存模组，去年半年之内从255美元涨到了700美元，涨了将近175%。

　　而SK海力士2026年的产能已经全部卖光了，三星2026年一季度直接把NAND闪存的供应价格上调了100%，直接翻倍。

　　与此同时，出现了一个更有标志性的信号。闪迪（SanDisk）在2026年初的CES上，告诉华尔街：它正在跟客户签一种全新的长期供货协议LTA（long term agreement），而且这次客户要打预付款，毁约不退钱。这在存储行业几十年的历史上从未发生过。

　　Rob的判断是，如果闪迪都能做到这一点，那另外三大巨头SK海力士、三星和美光，没理由做不到。在这样的情况下，

　　对于存储行业来说，我们可以用热和冷来做划分，当它离计算的关系越近，就越热；越偏向纯粹的储存属性，就越冷。

　　所以最“热”的就是DRAM（动态随机存取存储器），是离计算最近的存储，可以理解为电脑和手机的“运行内存”，芯片在工作的时候，数据必须先加载到DRAM里才能被处理。它的特点是速度极快，但断电就丢数据，属于“短期记忆”。

　　其中，HBM（高带宽内存）是DRAM的一种特殊进化形态。它把多层DRAM芯片，通过硅通孔（TSV）技术垂直堆叠在一起，再用先进封装和GPU贴在同一块基板上，这样做的好处是极大增加了带宽。

　　这就是为什么所有用于AI训练的顶级芯片，无论是英伟达的GPU还是Google的TPU，都离不开HBM，它是这轮超级周期里最耀眼、最紧缺的产品。

　　当然DRAM家族内部，其实品类很丰富。包括GDDR（显卡用）、Low-Power DDR（手机和笔记本用的LPDDR）等等，不同的应用场景，对应着不同的产品。不是说一颗DRAM芯片能通吃所有设备，给英伟达GPU用的HBM，和你手机里的LPDDR，虽然都是DRAM，但制造工艺、封装方式、性能指标完全不同。

　　而在“冷”的这一端，就是NAND。如果DRAM是短期记忆，那NAND Flash就是长期记忆。它断电不丢数据，是我们日常用的固态硬盘（SSD）、手机存储、U盘的核心。你在手机里存的照片、电脑里装的游戏，都躺在NAND上。

　　NAND在AI时代的角色也在快速升级。以前它就是单纯的“仓库”，负责把数据长期存好，但现在NAND正在从后台的仓库，变成前线的弹药库。

　　再往“更冷”走，就是传统的机械硬盘HDD，靠磁盘旋转来读写数据，速度慢但便宜，容量大，现在主要用在数据中心的冷存储和归档场景。

　　随着AI推理对存储层级的需求越来越精细，现在越来越像一个分层仓储系统。最急着用的数据放在HBM，像摆在手边；常用但没那么急的数据放在DRAM，像放在办公桌抽屉；更冷一些、只是备用的数据放在NAND/SSD，像放在办公室储物柜；而真正长期积累、需要多人共享调用的大量资料，则放在后端的大型共享存储里，像公司的总档案馆。

　　最上游是材料和硅片，比如日本的SUMCO，它是全球最重要的半导体硅片供应商之一。制造环节里，关键设备厂商包括ASML这样的光刻机龙头，以及Tokyo Electron这类覆盖涂胶显影、沉积、刻蚀和清洗等多个环节的设备公司。

　　中游就是存储芯片的设计和制造。在DRAM领域，三星、SK海力士、美光，这三家公司加在一起就占据了全球95%的市场份额。而在NAND领域，除了这三家之外，还有铠侠（Kioxia）、西部数据、闪迪。

　　然后是在这轮周期里变得格外关键的环节先进封装。因为HBM不是单纯把DRAM造出来就结束了，它要先把多层DRAM裸片（die）堆叠，再通过2.5D封装与GPU或其他AI加速器集成在一起。也正因为如此，CoWoS这种半导体封装技术一度成为AI芯片供应链最关键的瓶颈之一，直接限制了HBM的实际出货，而CoWoS产能主要由台积电提供。

　　下游就是各种终端应用了。包括数据中心和云厂商，微软、Google、亚马逊、字节跳动，是现在最大的金主，之后是手机厂（苹果、三星、小米、OPPO）、PC厂（联想、戴尔、惠普）、汽车厂（特斯拉、理想、蔚来），以及游戏主机、工业设备等等。

　　存储行业还有一个非常大的特点，就是周期性。从历史来看，它总是在“大涨”和“大崩”之间反复横跳。这背后有两层原因，一层是物理学，一层是经济学。

　　先说物理学。DRAM，就是手机电脑里的“运行内存”，靠存储电荷来保存数据。几十年来，工程师一直在把存储单位做小、做多，来提高密度。巅峰时期，DRAM密度每十年能翻100倍。

　　这意味着存储芯片的成本下降，不再像以前那样靠技术进步“自动”实现，而是更多取决于产能的增减和供需的博弈。

　　更要命的是，存储行业的模式是“先建后卖”，跟台积电“先接单后扩产”的逻辑完全不同，存储厂商得自己猜未来需求有多大，提前两三年布产能。猜对了皆大欢喜，猜错了就是灾难。

　　第二次是2010年，智能手机加云计算时代。iPhone和Android带来爆发式增长，服务器DRAM从个位数GB跳到数十GB。但标准化加速了商品化，供应商很难做出差异，结果这轮周期比预期更短。

　　第三次是2017到2018年。云厂商升级数据中心，单台服务器塞进更多DRAM，而服务器内存又比消费级更贵更赚钱，三大厂商毛利率冲到历史高位。但高利润刺激扩产，需求一过峰值，2018年末行业重新滑入下行。

　　“如何在九游娱乐找到热门游戏？”

　　第四次是2020到2021年，疫情驱动的意外繁荣。居家办公、云用量暴增，但恐慌性双重下单制造了虚假需求，退潮后库存严重积压，接着就是2022到2023年的痛苦大跌。从那时起产能被大幅削减，但正是这段保守期为现在的短缺埋下伏笔。进入2025年，全行业产能再次严重不足。

　　所以历史给我们的核心教训是什么？是过去所谓的超级周期，从来没有持续超过两年，都是“高利润疯狂扩产过剩崩盘”，这是过去四十年的铁律。经历了这么多轮循环，投资者和从业者，都有一种根深蒂固的条件反射：涨得越猛，崩得越快。

　　在讲复杂的供需模型之前，我们先建立一个最简单的逻辑。你每天打开ChatGPT或者Gemini，上传文件、存对话、让AI记住你的偏好，你可能没意识到，每一次交互都在消耗存储资源。不仅是服务器端的计算，更是海量的内存和闪存。

　　现在大部分AI用户是没有忠诚度的，谁的模型好用、谁便宜就用谁。但想象一下，如果有一天你的AI助手真的“懂你”了，记得你的工作习惯、表达偏好、三个月前讨论过的项目细节，你还会轻易换平台吗？

　　这种“记忆粘性”，是大模型公司构建护城河的核心武器，而支撑这种粘性的硬件基础设施，就是存储

　　但如今，推理正在迅速成为主战场，而推理对存储的需求模式，比训练复杂得多。

　　它需要把模型从存储层加载到内存层：活跃权重主要驻留在HBM，部分状态和缓存则留在DRAM；当KV Cache（键值缓存）在高层内存中装不下时，一部分会被卸载到SSD/NAND上，需要时再取回；而RAG查询依赖的外部知识，通常存放在更后端的共享存储或数据湖中，由检索系统实时调取。

　　而更大的变量是AI Agent的崛起。摩根士丹利在最新研报中指出，2026年将是AI从实验走向核心基础设施的一年，这些智能体更可靠、更有记忆力、幻觉更少，还能持续学习。这份研报中写到说：“推理正在成为一种内存挑战，而不仅仅是计算挑战”。

　　但智能体要运转起来，就需要维护多层记忆：短期工作记忆（当前对话）、长期记忆（跨会话的用户历史）、预训练知识库、工具调用记录而每一层都需要不同层级的存储支撑：从HBM里的“热数据”，到DRAM里的“温数据”，再到NAND SSD里的“冷数据”。

　　摩根士丹利做了一个非常详细的分层测算。他们以一个类似ChatGPT规模的模型为基准，假设大约8亿周活跃用户、峰值每秒30万请求、每次请求2000个输入token，并且假设只算文本，图片和视频不计入。按这个要求详细拆分结果，这样的系统大致对应HBM 226PB、DRAM 4.6EB、NAND/SSD约47EB、数据湖约294EB的需求。

　　这组数字意味着，如果全球有三个这种规模的模型，比如ChatGPT+Gemini+Claude，仅仅是纯文本推理的需求，就会占到2026年全球HBM供给的17%、DRAM的35%、NAND的92%。而这还没有把图片、视频等多模态需求算进去。

　　更重要的是，这套测算对上下文长度非常敏感。摩根士丹利的敏感性分析显示，如果把输入从每次2000 token，提高到5000 token，在其他条件不变时，每个模型的DRAM需求会再增加约2EB，Rack SSD/NAND再增加约3EB。也就是说，随着更长上下文和更长思考链成为常态，这对存储的压力会迅速放大。

　　SemiAnalysis管这叫“内存帕金森定律”：HBM容量每提升一次，开发者就会立刻构建更大的模型来把它填满。以前用来压缩模型的各种技巧，一有新空间就被放松，直到再次撞墙，这就意味着：

　　而这个周期的另外一个决定性因素，就是产能上的供应扩张，问题是，为什么扩产会这么挑战呢？

　　理解这轮超级周期，还有一个核心密码在于搞懂一个看上去很矛盾的现象：HBM的大规模扩产，不但没缓解DRAM的短缺，反而让它更严重了。

　　SemiAnalysis的追踪数据显示，2023年底，三大存储厂商分配给HBM的晶圆产能大约12.3万片/月。到2025年底涨到了33.1万片/月，两年扩了将近3倍。预计到2027年底还会进一步到66.8万片/月，四年翻5倍。

　　这意味着，厂商每多生产1GB的HBM，市场就失去了生产3-4GB普通DRAM的机会。

　　这也就带来了“HBM-DRAM困境”，在业内被称为“产能排挤效应”。因为HBM的利润更高，且被AI巨头预定，厂商会优先把有限的晶圆塞进HBM产线。这导致普通手机和电脑用的传统DRAM产能，被严重压缩，从而引发了价格的报复性飙涨。

　　来自J.P.Morgan研报中的供需模型也得出了类似结论：DRAM的供给增长，在未来两年将被压制在20%以下，跟不上需求增长。

　　于是，又出现了一个令人匪夷所思的现象：虽然普通DRAM工艺比HBM简单，但由于产能受限、价格飞涨，它的利润率到2025年四季度，竟然已经追平甚至超过了HBM。因为HBM大多是长期合同锁了价，而普通DRAM的现货价格，能迅速反映供需紧张。这就给厂商出了个难题：到底是继续猛扩HBM，还是把一部分产能，留给同样暴利的普通DRAM？

　　SemiAnalysis的追踪显示，2026年全行业几乎所有新增晶圆产能，就集中在三座工厂：三星的P4、SK海力士的M15X、美光的A3。而且M15X和A3主要是给HBM用的，对普通DRAM贡献很有限。

　　“如何在九游娱乐找到热门游戏？”

　　真正有意义的新产能呢？SK海力士的龙仁（Yongin）工厂，最早2027年2月才能上线；美光的爱达荷（Idaho）工厂瞄准2027年年中。也就是说，未来一年多，供给端基本没有增量。

　　这就是一个典型的“木桶效应”，就算存储厂商有钱有决心扩产，上游设备的供货瓶颈，也会大幅拖慢产能上线的速度。第三个瓶颈：先进节点迁移自身的摩擦。

　　洁净室等生产资源不够、设备商不扩产、先进节点迁移自身的摩擦这三个瓶颈叠在一起，就是为什么即使所有人都知道存储芯片在疯涨，供给端依然束手无策。

　　至于行业利润率，野村的口径是2026财年，通用DRAM原厂利润率，有望回升至上一轮周期的峰值70%。而J.P.Morgan更激进，它的说法是到2027年，营业利润率可能超过80%，甚至要高于上一轮的峰值。

　　而这条产业链上的输家，就是硬件厂商了。摩根士丹利测算过，存储芯片价格每涨10%，硬件OEM的毛利率就要下降45到150个基点。

　　手机市场最先遭殃，小米、OPPO出货预测下调超过20%，vivo下调近15%。TrendForce直接把2026年全球智能手机生产总数预测，砍到了同比下降10%。魅族宣布取消魅族22Air的上市计划，因为成本扛不住了。Nothing的CEO裴宇在社交媒体上感叹：小公司不得不寻找其他出路。

　　PC市场同样惨烈，联想部分机型上调了500到1500元，戴尔和惠普也已明确预告提价，涨幅主要由存储成本转嫁而来。戴尔COO克拉克直言“从没见过成本上涨得如此之快”，惠普CEO甚至在考虑“减少产品中的内存使用量”。

　　汽车行业也没能幸免，理想汽车供应链副总裁公开警告，2026年车规存储满足率可能不到50%。蔚来李斌说“今年最大的成本压力是内存”。雷军在直播中坦言“光车用内存一项，成本就要增加几千块”。

　　而在需求的另一端，云厂商们（微软、Google、亚马逊AWS）表现出惊人的价格不敏感。

　　对于云厂商们来说，即使手机和PC市场归零，存储厂商都觉得无所谓，因为AI数据中心的前景太诱人了。

　　大家通常觉得垄断等于高溢价，但在存储这种周期波动极大的行业里，100%的市场份额意味着100%的需求风险，客户一砍单就非常的被动，所以存储厂商反而希望保持三家竞争的平衡态。

　　同时，需求端完全看不到放缓的迹象。接下来，AI推理和agent的爆发，以及之后的机器人和物理AI需求，也将进一步让存储的吞吐量和容量需求出现指数级跳跃。

　　但更值得关注的，是一个更大的问题：这个行业会不会从此告别周期？从华尔街视角，Rob给了一个很有深度的思考角度：

　　以下这幅图的横轴是以过去五个周期、每轮周期的谷底为零点的时间线，竖轴是市场交易的涨幅。可以看到，每轮周期都会经历四个阶段：悲观、怀疑、乐观、狂热，然后再回到悲观。当前这轮红线走势，我们已经到了“乐观”的这个区间，并且涨幅远大于以往的任何一个周期。

　　这就对应了刚刚Rob说的，这种思考方式的转变，万一AI真的打破了这种周期呢？

　　就像没有人会说苹果卖手机，在过去20年是个周期性行业。如果存储也能走到这一步，这将是整个半导体投资框架的一次范式转换。

　　不过，存储行业的需求也是会有不确定性的，需求侧的变量不只来自宏观层面，技术本身也可能改写供需关系。

　　比如说，3月底，谷歌发布了一个新算法TurboQuant，号称是一个高效AI内存压缩算法。发布之后是直接轰动了硅谷科技圈，更是引发存储板块的全线暴跌。但很快，业内有声音反驳说：这次暴跌是一场乌龙。首先这篇论文发表于一年前，且本身存在一些学术上的争议。并且这个算法目前只在Gemma、Mistral等小模型上验证过，70B以上模型、MoE架构、百万级token上下文，这些AI内存需求真正爆炸的场景，都没有。还有技术人士出来说，在技术上，TurboQuant压缩的只是推理时GPU显存里的KV Cache，是AI内存需求三大来源之一，但训练环节完全不受影响。

　　反正，这篇论文和算法是被各种炮轰。但这就有意思了：这一篇存在争议的旧论文成果，就能引发资本市场如此剧烈的崩盘，是不是本身就能说明一些问题。是不是这意味着：市场对存储板块的信心，已经高到了极度脆弱的程度。要知道，在这波暴跌之前，闪迪2026年以来已经暴涨了200%，美光也涨了超过80%。

　　有空头机构直接指出，闪迪以920亿美元的市值、对应2026年仅60亿美元的预期净利润，估值很难站住脚。美光同样面临质疑：尽管创下了历史最佳业绩，但2026财年200亿美元的资本开支同比增长68%，这就是在豪赌内存需求会持续增长。

　　说到底，TurboQuant论文只是一根导火索，真正的火药桶是过去两年积累的极端估值，

　　所以，当前对“超级周期”的乐观预判，都建立在一个前提上：AI的需求是真实的、可持续的。如果有一天AI出现泡沫破裂，存储行业很难独善其身。这个达摩克利斯之剑会一直悬在那里，直到行业真正证明自己成为了一个“苹果式”的稳定增长业务。

　　SemiAnalysis将这轮周期定义为“四十年一遇的短缺”。但更有价值的方向或许是：存储芯片行业正站在一个分岔路口，它要么像过去四十年一样，在价格峰值后滑入又一轮低谷；要么，在AI的结构性需求驱动下，真正打破周期宿命，成为一个持续增长的产业。

　　至少在2026年，答案似乎正在倾向于后者。三大存储厂商的产能全部售罄，上游设备商的订单排到了2027年，客户开始交预付款签有法律约束力的长期合同，甚至连一家做马桶的日本公司，都因此改变了命运。但历史从不缺少对“这次不一样”的嘲讽。唯一确定的是：无论这次能不能打破周期，它已经不可逆转地重塑了全球科技产业的权力版图。在这场对存储芯片的饥饿游戏中，谁掌握了供给，谁就掌握了AI时代的话语权。

　　本文系作者硅谷101授权钛媒体发表，并经钛媒体编辑，转载请注明出处、作者和本文链接。

　　想和千万钛媒体用户分享你的新奇观点和发现，点击这里投稿。创业或融资寻求报道，点击这里。